龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：无锡九方科技有限公司
摘要：本发明公开了基于深度学习模型的海洋环境信息数据同化方法及系统，涉及海洋环境信息数据处理技术领域。通过获取观测区域内海洋环境要素在空间分布场上的时间序列观测数据，并利用集合卡尔曼滤波算法进行同化，以迭代更新的数据误差作为生成器G的输入，以观测数据为真实数据构建生成对抗网络，对生成对抗网络的判别器D和生成器G进行训练，利用训练好的生成器G模型合成虚拟观测数据样本，通过判定同化性能评价指标是否达到设定的期望值作为迭代判定条件控制同化流程，能够有效解决基于稀疏观测数据实现对观测区域海洋环境要素空间分布场的高分辨率预测，从而满足高精度的动态系统模型对高分辨率海洋环境信息的需求。
主权项：1.基于深度学习模型的海洋环境信息数据同化方法，其特征在于，包括以下步骤：S1：获取观测区域内任一海洋环境要素在空间分布场上的时间序列观测数据，其中，所述海洋环境要素包括温度、盐度、海流流速；S2：将观测数据按照采样时刻分类为N个集合，定义为第i个集合在t时刻的状态分析值，为第i个集合在t+1时刻的状态预测值，将获取的时间序列观测数据利用集合卡尔曼滤波算式进行表达，并对所述状态分析值进行迭代更新，其中，集合卡尔曼滤波算式表达式为： ；式中，为t时刻至t+1时刻的线性预测因子；为t时刻的模型误差，且，为集合的协方差矩阵；S3：以迭代更新的数据误差作为生成器G的输入，以获取的观测数据为真实数据构建生成对抗网络，利用生成器G生成虚拟观测数据G（z），通过观测数据和生成的虚拟观测数据G（z）对所述生成对抗网络的判别器D和生成器G进行训练，直至所述判别器D的输出结果为D（G（z））=1；S4：利用训练好的生成器G模型合成若干虚拟观测数据样本；S5：重复步骤S2-S4至同化性能评价指标达到设定的期望值，其中，所述同化性能评价指标包括观测数据的均方根误差RMSE和t时刻观测数据预测值的集合均值RMSEt。
全文数据：
权利要求：
百度查询： 无锡九方科技有限公司 基于深度学习模型的海洋环境信息数据同化方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号